面向目標的語義Web服務測試

《面向目標的語義Web服務測試》是依託東莞理工學院，由胡天明擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：面向目標的語義Web服務測試
• 項目類別：青年科學基金項目
• 項目負責人：胡天明
• 依託單位：東莞理工學院

項目摘要

隨著語義Web服務本體推理和自動發現的技術日臻成熟，如何自動驗證所發現服務的可信度就成為一個亟待解決的問題，其任務就是測試服務是否滿足了用戶的目標需求。由於運行環境的動態性，針對語義Web服務的測試更加困難。本項目基於最新Web服務本體模型WSMO（Web Service Modeling Ontology）開展語義Web服務測試技術的研究。傳統測試數據生成技術主要是面向服務提供者。本項目首先研究面向用戶目標的測試數據生成技術，並結合基於WSMO服務描述的本體數據挖掘技術來自動生成測試數據。其次，研究所獲得測試數據質量評估方法。利用軟體監控調試技術運行測試數據，評估結果再經機器學習方法分析，為產生更高質量的測試數據提供反饋。基於WSMO的語義Web服務測試研究是一個嶄新的課題，可為語義Web服務的可信度保證等方面提供支持。

結題摘要

傳統Web 服務測試主要面向服務提供者。由於Web 服務建模本體（WSMO）的用戶目標為用戶需求與Web服務之間提供了一個形式化的接口，我們利用WSMO開展面向用戶目標的語義Web 服務測試技術研究，在以下三個方面取得了一定的進展。 面向本體學習的聚類分析 為了充分學習本體庫中各種高維的概念、實體數據之間的分類關係，我們選擇了面向高維數據的聚類分析進行重點研究。高維聚類首先要選擇一個距離度量來衡量高維對象的相似度，再選擇一個聚類模型來最佳化。針對第一個問題，我們通過觀察一組廣泛用於高維聚類的距離度量在K-means聚類過程的表現，發現了它們影響聚類最佳化過程的原理，揭示了算法對度量不敏感的原因，從而為以後聚類實踐套用提供了有效指導。針對第二個問題，我們選擇使用超圖來表示本體這種半結構化的數據，把本體學習的問題轉化成超圖劃分的問題。提出了一種基於環的超邊定義框架，並在其基礎上設計了兩種新定義：基於共享近鄰和共享逆近鄰。實驗表明基於共享（逆）近鄰的超圖劃分結果不僅更好，而且在時間、空間上的計算代價也小很多。 測試數據生成 WSMO目標描述定義了人們需要Web 服務解決的問題。然而直接從WSMO目標描述產生測試用例比較困難，且缺乏相應的測試驗證工具的支持。我們提出一種基於模型檢測的測試數據生成方法。首先定義一系列WSML到B的轉換規則，把以WSML描述的目標規範翻譯成B語言相應模型；再根據覆蓋率等準則計算出陷阱性質；接下來套用諸如ProB等模型檢測器產生反例；最後通過定義一系列B到WSML的轉換規則，把以B語言描述的反例翻譯成WSML的測試數據。由於有大量的測試驗證工具庫支持B語言，我們提出的B、WSML之間的轉換規則將在基於B語言的Web服務測試平台開發中發揮作用。 測試數據評估 為了測試結果公正，測試數據的生成和評估這兩部分需要獨立。由於之前使用描述規範來產生測試數據，我們選擇使用一種基於代碼變異的方法來評估測試數據。具體地，根據原Web服務的JAVA代碼，利用一套變異操作得到一系列Web服務實現的變異版本，再用它們評估測試數據，並進一步得出精簡的測試集。另一方面，測試評估需要把功能覆蓋率、接口覆蓋率等單項指標結果加權合併成單一的數值以便比較。為此，我們提出一種基於線性轉換的加權綜合方案。該方案不僅直觀靈活，而且套用於常見合併函式時具有更加令人滿意的性質。